关于多对象的多元变量时序预测问题

[Bright-Hsu]

您好，我关注到iTransformer是一个面向多变量预测的模型，想法也很符合直观想象，是一个很棒的工作。对于iTransformer的应用我有一个疑问，还请您帮忙解答。

论文中提到模型主要面向的是具有关联性的多变量时序预测，对于变量的分词方式也是如此。假设我现在有一个场景，我有很多个观测对象的数据，其中每个对象有许多相关联的变量，我应该是如何进行训练和预测呢。举个例子，我有许多个城市的气象数据，需要预测上百个城市的气象指标，而气象指标包含上百个变量，各个城市之间的变量应该算是强关联还是弱关联呢。

我观察了论文中实验的设置，发现每个数据集都是当做一个对象，其中包含多个变量进行预测的，这意味着每个时间戳都只有一个观测对象的多个变量数据。对于我这个例子，我应该把100个城市*100个指标全部放在一个csv文件当中吗，但是这样带来的问题是各个城市的时序数据初始时间和结束时间并不是完全一致，会导致时间对齐后许多对象的某些时间段的数据都是空的，而且这意味着我们要进行上万个变量的同时预测，似乎不符合我们的直观想法。

如果不是这样，那我们应该如何进行训练和预测，有什么方法可以将多个对象的数据放入一起进行训练，然后再对于某个对象而言，预测他后续的多元数据？

还是说，这个模型只能够对于单个对象进行训练，然后再对于该对象的所有变量做预测。这意味着在面向多个对象的时候，我们需要训练每个对象的相应模型？

烦请解答，非常感谢！

[lbz2020]

您好，我关注到iTransformer是一个面向多变量预测的模型，想法也很符合直观想象，是一个很棒的工作。对于iTransformer的应用我有一个疑问，还请您帮忙解答。

论文中提到模型主要面向的是具有关联性的多变量时序预测，对于变量的分词方式也是如此。假设我现在有一个场景，我有很多个观测对象的数据，其中每个对象有许多相关联的变量，我应该是如何进行训练和预测呢。举个例子，我有许多个城市的气象数据，需要预测上百个城市的气象指标，而气象指标包含上百个变量，各个城市之间的变量应该算是强关联还是弱关联呢。

我观察了论文中实验的设置，发现每个数据集都是当做一个对象，其中包含多个变量进行预测的，这意味着每个时间戳都只有一个观测对象的多个变量数据。对于我这个例子，我应该把100个城市*100个指标全部放在一个csv文件当中吗，但是这样带来的问题是各个城市的时序数据初始时间和结束时间并不是完全一致，会导致时间对齐后许多对象的某些时间段的数据都是空的，而且这意味着我们要进行上万个变量的同时预测，似乎不符合我们的直观想法。

如果不是这样，那我们应该如何进行训练和预测，有什么方法可以将多个对象的数据放入一起进行训练，然后再对于某个对象而言，预测他后续的多元数据？

还是说，这个模型只能够对于单个对象进行训练，然后再对于该对象的所有变量做预测。这意味着在面向多个对象的时候，我们需要训练每个对象的相应模型？

烦请解答，非常感谢！

我也有这个疑惑，方便留个联系方式吗？我们可以讨论一下